ارايه مدل پيش بيني شدت جراحت ناشي از تصادفات موتورسواران در را ه هاي برون شهري

Provide an Injury Severity Prediction Model of Motorcyclists in Rural Crashes

امروزه تصادفات جاده اي بخش قابل توجهي از هزينه هاي خارجي كه تردد وسايل نقليه موتوري به جوامع وارد مي سازند، را تشكيل مي دهند. در اين بين موتورسواران، به اين علت كه در حين تصادف فاقد پوشش خارجي اند، در مقايسه با رانندگان و سرنشينان خودروها بيش تر در معرض آسيب قرار دارند. يافتن اثرگذارترين عوامل بر شدت جراحت ناشي از تصادفات موتورسواران مي تواند زمينه ساز كاهش خسارات و تلفات ناشي از اين تصادفات باشد. اين تحقيق عوامل موثر بر جرحي يا فوتي بودن تصادفات موتورس ??واران در را ههاي برو نشهري استان تهران طي سا لهاي 1388 تا 1390 با استفاده از مدل لوجيت دوتايي مورد تحليل قرار گرفت. متغيرهاي بررس يشده در اين مدل شامل ويژگ يهايي نظير مش ??خصات موتورسوار، زمان وقوع تصادف، وسيله نقليه مواجه شونده با موتورسيكلت، مقصر بودن موتورسوار، فاصله از نزدي كترين پاسگاه، علت تامه ثب تشده در صحنه تصادف، تعداد وسايل درگير در تصادف و انحراف به چپ موتورسيكلت م يشوند.نتايج نشان مي دهند، ثبت انحراف به چپ به عنوان علت تامه، وقوع شب هنگام تصادف در منطقه البرز، وقوع تصادف بين دو موتورسيكلت و وزن خودرو مواجه شده با موتورسيكلت در سطح معناداري قابل قبولي ) 1/ P-value > 0 ( مهمترين عوامل تاثيرگذار بر ش ??دت جراحت موتورس ??واران در راه هاي برون شهري اند. در انتها با توجه به سياست پذير بودن متغيرهاي مورد بررسي در مدل ساخت هشده، پيشنها دهايي ب همنظور ارتقاي ايمني موتورسواران در را ههاي برو نشهري استان تهران ارايه شد.

Today, road crashes area significant portion of the vehicles transportation externality cost. Compared to drivers and vehicle passengers, motorcyclists using less special protections. Therefore, motorcyclists are more vulnerable than drivers and vehicle passengersʹ .Identifying factors influence motorcyclist’s injury severity in rural crashes can help reduce the severity and fatality caused by these crashes. In this study crashes involve motorcycles in rural areas of Tehran province, happened from 2009 to 2011, have been taken into analysis by binary logit model. The dataset includes “crash severity”, motorcyclist “age”, “drowsiness” and “inattention to front”, as well as the “crash time”, “type of vehicle involved”, “opposite vehicle weight”, “number of vehicles involved”, “distance of the crash location from police station", "motorcycle deviation”, and such variables. This analysis suggest that the “deviation occurrence", "night crash occurrence”, “crash occurrence in Alborz region”, “crash of two motorcycles”, and “opposite vehicle weight” are significant predictors (P-value < 0.1)of severity in motorcyclists crashes in rural areas. Finally, due to the customizability of variables in the model, suggestions were presented on ways to improve the safety of motorcyclists in rural road of Tehran Province.